ایجاد افکت‌های صوتی با دستور متنی: نوآوری جدید هوش مصنوعی ElevenLabs

هوش مصنوعی وارد عصر جدیدی از تولید محتوای صوتی شده است. نرم‌افزاری با نام ElevenLabs اکنون قادر است صداهای انسانی و موسیقی‌هایی که توسط هوش مصنوعی تولید شده‌اند را ارائه دهد. این هوش مصنوعی به کاربران اجازه می‌دهد تا جلوه‌های صوتی برای پادکست‌ها، فیلم‌ها یا بازی‌ها ایجاد کنند.

به گزارش TheVerge، این ابزار جدید می‌تواند تا 22 ثانیه صدا را بر اساس درخواست‌های کاربر تولید کند و این صدا قابل ترکیب با پلتفرم‌های صوتی و موسیقی شرکت‌های دیگر است. همچنین پس از اتمام کار، این سرویس حداقل چهار نوع فایل صوتی قابل دانلود را به کاربران ارائه می‌دهد.

ElevenLabs اعلام کرده است که با همکاری پلتفرم Shutterstock، یک پایگاه داده را ایجاد کرده و مدل هوش مصنوعی خود را آموزش داده است. Shutterstock قبلاً مجوز استفاده از پایگاه داده محتوای خود را به بسیاری از شرکت‌های فعال در حوزه هوش مصنوعی اعطا کرده است، ازجمله متا، OpenAI و گوگل.

ویژگی‌های نسخه رایگان و پولی سرویس هوش مصنوعی ElevenLabs
استفاده از جلوه‌های صوتی سرویس هوش مصنوعی ElevenLabs برای کاربران رایگان است، اما کاربران اشتراکی می‌توانند از کلیپ‌های صوتی تولیدشده با مجوزهای تجاری استفاده کنند؛ درحالی‌که کاربران رایگان باید عنوان “elevenlabs.io” را در عنوان محتوای خود قرار دهند. همچنین این کاربران، محدودیت کاراکتر در هنگام نوشتن پرامپت‌ها را دارند و مجاز به استفاده از 10,000 کاراکتر در ماه هستند.

در بازار، سرویس‌های مختلفی برای ارائه جلوه‌های صوتی به فیلم‌سازان و بازی‌سازان وجود دارد، اما گاهی اوقات این سرویس‌ها گران و یا با مشکلاتی در پخش صدا روبرو هستند.

ElevenLabs اعلام کرده است که این مدل هوش مصنوعی را برای تولید صداهای غنی، همه‌جانبه، سریع، مقرون به صرفه و در مقیاس بزرگ طراحی کرده است.

سایر توسعه‌دهندگان AI همچنین در حال توسعه سرویس‌های مشابهی هستند. به عنوان مثال، شرکت Stability AI سرویس Stable Audio را عرضه کرده است که جلوه‌های صوتی ایجاد می‌کند. همچنین، مدل‌های AudioCraft شرکت متا نیز صداهای پس‌زمینه طبیعی مانند صدای باد یا ترافیک را تولید می‌کند.